物品识别方法、装置、电子设备、介质和程序产品制造方法及图纸

本公开提供了一种基于安检机检测图像的物品识别方法、装置、设备、介质和程序产品。上述方法和装置可用于人工智能技术领域。物品识别方法包括：获取检测物品的检测图像；利用目标检测模型识别检测图像，得到检测图像上的m个图像要素中的每个图像要素的位置信息和第一置信度信息；利用预先训练的目标提取模型提取检测图像的m个图像要素，得到m个要素图像；利用特征抽取模型抽取m个要素图像中的每个要素图像的特征向量；将每个要素图像的特征向量与预先构建的违禁品特征向量库中的违禁品特征向量匹配，得到每个要素图像的第二置信度信息；以及将每个图像要素的位置信息、第一置信度信息和第二置信度信息综合分析，得到检测物品的识别结果。品的识别结果。品的识别结果。

【技术实现步骤摘要】
物品识别方法、装置、电子设备、介质和程序产品


[0001]本公开涉及人工智能
，更具体地，涉及一种基于安检机检测图像的物品识别方法、装置、电子设备、介质和计算机程序产品。

技术介绍

[0002]安检机也叫安检X光机或者查危仪，常见于公共交通入口处，如机场、地铁站和火车站等，当然，安检机也可以设置在银行的重要物品保管区域，人员进入重要物品保管区域时，随身携带的物品需要通过安检机检查，以避免违禁品带来的安全风险。安检机的工作原理是利用小剂量X射线照射检测物品，利用计算机分析透过的射线，根据透过射线的变化分析被穿透的物品性质，得到X光图像。

技术实现思路

[0003]有鉴于此，本公开提供了一种物品识别精度高、可以提高安检准确率和效率的基于安检机检测图像的物品识别方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0004]本公开的一个方面提供了一种基于安检机检测图像的物品识别方法，包括：获取安检机对检测物品的检测图像；利用预先训练的目标检测模型识别所述检测图像，得到所述检测图像上的m个图像要素中的每个图像要素的位置信息和第一置信度信息，其中，所述第一置信度信息为该所述图像要素属于预先设定的违禁品类型的概率值，m为大于等于1的整数；利用预先训练的目标提取模型提取所述检测图像的m个图像要素，得到m个要素图像；利用特征抽取模型抽取所述m个要素图像中的每个要素图像的特征向量；将所述每个要素图像的特征向量与预先构建的违禁品特征向量库中的违禁品特征向量匹配，得到所述每个要素图像的第二置信度信息，其中，所述第二置信度信息为该要素图像与所述违禁品特征向量库中所匹配的违禁品特征向量的相似度，所述违禁品特征向量库中包括违禁品特征向量、违禁品名录和违禁品特征向量与违禁品名录之间的映射关系；以及将每个所述图像要素的所述位置信息、所述第一置信度信息和所述第二置信度信息综合分析，得到所述检测物品的识别结果。
[0005]根据本公开实施例的基于安检机检测图像的物品识别方法，通过目标检测模型识别检测图像，可以得到m个图像要素中的每个图像要素的位置信息和第一置信度信息，由此，可以初步识别出检测图像中的物品的位置和该物品属于某违禁品类别的概率；通过目标提取模型和特征抽取模型的配合可以实现抽取m个要素图像中的每个要素图像的特征向量，将每个要素图像的特征向量与预先构建的违禁品特征向量库中的违禁品特征向量匹配，即可得到每个要素图像与违禁品特征向量库中所匹配的违禁品特征向量的相似度，也即第二置信度信息，由此，可以识别出检测图像中的物品与某违禁品名录的相似度；将第一置信度信息和第二置信度信息综合分析可以在目标检测模型的识别精度的基础上，以及在目标提取模型和特征抽取模型的配合工作识别精度的基础上，进一步提升了对检测图像中
的每个图像要素的识别精确度。与人工对检测图像进行筛选相比，本公开可以避免人工筛选容易出现视觉疲劳从而导致漏检的问题，提高安检准确率，同时还可以提高安检效率。
[0006]在一些实施例中，所述将所述每个要素图像的特征向量与预先构建的违禁品特征向量库中的违禁品特征向量匹配，得到所述每个要素图像的第二置信度信息，包括：计算所述每个要素图像与所述预先构建的违禁品特征向量库中的每个违禁品特征向量的相似度；以及按照相似度排名，确定该要素图像的第二置信度信息。
[0007]在一些实施例中，所述将每个所述图像要素的所述位置信息、所述第一置信度信息和所述第二置信度信息综合分析，得到所述检测物品的识别结果，包括：计算每个所述图像要素的所述第一置信度信息和所述第二置信度信息的加权平均值；将所述加权平均值与预先设定的n个告警等级匹配，其中，n为大于等于1的整数；以及根据告警等级与警报提示之间的映射关系，显示每个所述图像要素的所述加权平均值匹配的告警等级对应的警报提示和每个所述图像要素的所述位置信息。
[0008]在一些实施例中，预先训练所述目标检测模型，包括：操作S41：获取安检机对历史检测物品的第一历史检测图像和第二历史检测图像；操作S42：对所述第一历史检测图像和所述第二历史检测图像均进行标注，得到与所述第一历史检测图像对应的第一违禁品位置标注信息和第一违禁品类型标注信息，以及与所述第二历史检测图像对应的第二违禁品位置标注信息和第二违禁品类型标注信息；操作S43：将标注的所述第一历史检测图像作为输入，利用所述第一违禁品位置标注信息和所述第一违禁品类型标注信息，按照设定的迭代次数优化所述目标检测模型中设定的初始模型参数，得到训练模型参数；操作S44：将标注的所述第二历史检测图像作为输入，利用所述第二违禁品位置标注信息和所述第二违禁品类型标注信息，验证所述训练模型参数；操作S45：若验证通过，则将所述训练模型参数作为所述目标检测模型的模型参数进行应用；以及操作S46：若验证未通过，重复操作S41～操作S44，直至验证通过，其中，重复操作S41时，获取的第一历史检测图像和第二历史检测图像与上一次不同。
[0009]在一些实施例中，预先训练所述目标提取模型，包括：操作S51：获取安检机对历史检测物品的第三历史检测图像和第四历史检测图像；操作S52：对所述第三历史检测图像和所述第四历史检测图像中的图像要素均进行标注，得到与所述第三历史检测图像对应的第一物品标注信息，以及与所述第四历史检测图像对应的第二物品标注信息；操作S53：将标注的所述第三历史检测图像作为输入，利用所述第一物品标注信息，按照设定的迭代次数优化所述目标提取模型中设定的初始模型参数，得到优化模型参数；操作S54：将标注的所述第四历史检测图像作为输入，利用所述第二物品标注信息，验证所述优化模型参数；操作S55：若验证通过，则将所述优化模型参数作为所述目标提取模型的模型参数进行应用；以及操作S56：若验证未通过，重复操作S51～操作S54，直至验证通过，其中，重复操作S51时，获取的第三历史检测图像和第四历史检测图像与上一次不同。
[0010]在一些实施例中，预先构建所述违禁品特征向量库，包括：采集历史检测图像，其中，所述历史检测图像包括多种类型、多种形状和多种颜色的违禁品；截取所述历史检测图像中的违禁品区域，得到违禁品区域图像；对所述违禁品区域图像进行特征抽取，得到违禁品特征向量；以及将所述违禁品特征向量存储至所述违禁品特征向量库。
[0011]在一些实施例中，预先构建所述违禁品特征向量库还包括：实时更新所述违禁品
特征向量库。
[0012]本公开的另一个方面提供了一种基于安检机检测图像的物品识别装置，包括：获取模块，所述获取模块用于执行获取安检机对检测物品的检测图像；识别模块，所述识别模块用于执行利用预先训练的目标检测模型识别所述检测图像，得到所述检测图像上的m个图像要素中的每个图像要素的位置信息和第一置信度信息，其中，所述第一置信度信息为该所述图像要素属于预先设定的违禁品类型的概率值，m为大于等于1的整数；提取模块，所述提取模块用于执行利用预先训练的目标提取模型提取所述检测图像的m个图像要素，得到m个要素图像；抽取模块，所述抽取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于安检机检测图像的物品识别方法，其特征在于，包括：获取安检机对检测物品的检测图像；利用预先训练的目标检测模型识别所述检测图像，得到所述检测图像上的m个图像要素中的每个图像要素的位置信息和第一置信度信息，其中，所述第一置信度信息为该所述图像要素属于预先设定的违禁品类型的概率值，m为大于等于1的整数；利用预先训练的目标提取模型提取所述检测图像的m个图像要素，得到m个要素图像；利用特征抽取模型抽取所述m个要素图像中的每个要素图像的特征向量；将所述每个要素图像的特征向量与预先构建的违禁品特征向量库中的违禁品特征向量匹配，得到所述每个要素图像的第二置信度信息，其中，所述第二置信度信息为该要素图像与所述违禁品特征向量库中所匹配的违禁品特征向量的相似度，所述违禁品特征向量库中包括违禁品特征向量、违禁品名录和违禁品特征向量与违禁品名录之间的映射关系；以及将每个所述图像要素的所述位置信息、所述第一置信度信息和所述第二置信度信息综合分析，得到所述检测物品的识别结果。2.根据权利要求1所述的方法，其特征在于，所述将所述每个要素图像的特征向量与预先构建的违禁品特征向量库中的违禁品特征向量匹配，得到所述每个要素图像的第二置信度信息，包括：计算所述每个要素图像与所述预先构建的违禁品特征向量库中的每个违禁品特征向量的相似度；以及按照相似度排名，确定该要素图像的第二置信度信息。3.根据权利要求1所述的方法，其特征在于，所述将每个所述图像要素的所述位置信息、所述第一置信度信息和所述第二置信度信息综合分析，得到所述检测物品的识别结果，包括：计算每个所述图像要素的所述第一置信度信息和所述第二置信度信息的加权平均值；将所述加权平均值与预先设定的n个告警等级匹配，其中，n为大于等于1的整数；以及根据告警等级与警报提示之间的映射关系，显示每个所述图像要素的所述加权平均值匹配的告警等级对应的警报提示和每个所述图像要素的所述位置信息。4.根据权利要求1所述的方法，其特征在于，预先训练所述目标检测模型，包括：操作S41：获取安检机对历史检测物品的第一历史检测图像和第二历史检测图像；操作S42：对所述第一历史检测图像和所述第二历史检测图像均进行标注，得到与所述第一历史检测图像对应的第一违禁品位置标注信息和第一违禁品类型标注信息，以及与所述第二历史检测图像对应的第二违禁品位置标注信息和第二违禁品类型标注信息；操作S43：将标注的所述第一历史检测图像作为输入，利用所述第一违禁品位置标注信息和所述第一违禁品类型标注信息，按照设定的迭代次数优化所述目标检测模型中设定的初始模型参数，得到训练模型参数；操作S44：将标注的所述第二历史检测图像作为输入，利用所述第二违禁品位置标注信息和所述第二违禁品类型标注信息，验证所述训练模型参数；操作S45：若验证通过，则将所述训练模型参数作为所述目标检测模型的模型参数进行应用；以及
操作S46：若验证未通过，重复操作S41～操作S44，直至验证通过，其中，重复操作S41时，获取的第一历史检测图像和第二历史检测图像与上一次不同。5.根据权利要求1所述的方法，其特征在于，预先训练所述目标提取模型，包括：操作S51：获取安检机对历史检测物品的...

【专利技术属性】
技术研发人员：邓维，石忠德，李琦，杨恺，王璐瑶，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：